적대적 생성신경망을 이용한 손상된 이미지의 복원

문찬규; 어영정; 변혜란

추천

검색

질문

자료유형: 학술저널

저자정보: 문찬규 (연세대학교) 어영정 (연세대학교) 변혜란 (연세대학교)

저널정보: 한국방송·미디어공학회 방송공학회논문지 방송공학회논문지 제23권 제4호

발행연도: 2018.7

수록면: 503 - 510 (8page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

손상된 영상의 복원은 디지털 영상 처리기술이 등장하기 이전부터 시도되었던 근원적 문제이다. 컴퓨터의 연산 능력과 다양한 기술의 발전에 따라 손상된 영상을 복원하는 다양한 연구가 소개되었으나 그 결과는 사람에 의한 수동적 결과물과 비교하여 낮은 복원 결과를 보여 왔다. 최근 심층 신경망 (DNN, Deep Neural Network)의 발전으로 이미지 복원에 이를 적용한 다양한 연구가 소개 되고 있지만, 광범위한 영역이 손상된 경우 근접한 화소를 활용하는 방법으로 해결이 어렵다. 이와 같은 경우는 주변의 영상의 문맥적 정보를 통해 손상된 영역을 추론을 통한 복원이 필요하다. 본 논문에서는 심층 신경망 기술 중 하나인 적대적 생성신경망(GAN, Generative Adversarial Network)을 이용한 이미지 복원 네트워크를 제안한다. 제안하는 시스템은 이미지 생성 네트워크, 생성 결과 판별 네트워크로 구성 된다. 본 논문에서는 제안하는 방안을 통해 다양한 종류의 이미지를 복원함에 있어서 훼손된 영역의 추론을 통하여 자연스러운 영상 복원뿐 아니라 원본 영상의 질감까지 복원이 가능함을 실험을 통해 확인 하였다.

#image restoration #inpainting #Computer vision #deep learning #convolutional neural network #generative adversarial network

참고문헌 (12)

참고문헌 신청

I. J. Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, A. Courville and Y. Bengio, “Generative Adversarial Nets,” International Conference on Neural Information Processing Systems, pp. 2672?2680, 2014. G. E. Hinton and R. R. Salakhutdinov, “Reducing the dimensionality of data with neural networks,” Science, Vol. 313, pp. 504-507, 2006. D. Pathak, P. Krahenbuhl, J. Donahue, T. Darrell and A.A. Efros, “Context Encoders: Feature Learning by Inpainting,” IEEE International Conference on Computer Vision and Pattern Recognition, pp.2536-2544, 2016. S. Iizuka, E. Simo-Serra and H. Ishikawa, “Globally and locally consistent image completion,” ACM Transactions on Graphics, Vol. 36, No. 4, 2017. O. Ronneberger, P. Fischer, and T. Brox. “U-net: Convolutional networks for biomedical image segmentation,” International Conference on Medical Image Computing and Computer-Assisted Intervention, pp. 234?241, 2015.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

문찬규

소속기관 연세대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 1 이용수 373

어영정

소속기관 연세대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 1 이용수 373

변혜란

소속기관 연세대학교

주요연구분야 공학 > 컴퓨터학 TOP 10% 공학 > 전기전자공학 > 전기공학

논문수 171 이용수 19,545

이 논문과 함께 이용한 논문

제품다양화에 따른 작업 내용 변동 분석을 통한 시뮬레이션 기반 생산성 평가 방법론: 자동차 용접 라인의 사례를 중심으로

신민정 , 오상현 , 조윤형 외 1명 대한산업공학회 춘계공동학술대회 논문집 2021 .06

적대적 생성 신경망(GAN)을 활용한 의료데이터의 클래스 불균형 문제 해결

오상현 , 이지환 , 이주용 외 3명 한국경영과학회 학술대회논문집 2019 .04

Generative Adversarial Network를 이용한 손실된 깊이 영상 복원

나준엽 , 심창훈 , 박인규 방송공학회논문지 2018 .09

생성적 적대 신경망을 이용한 정형 데이터 증강에 대한 연구

박성철 , 정창훈 , 서상현 외 1명 한국정보과학회 학술발표논문집 2018 .06

Generative Adversarial Network를 이용한 전립선암 진단용 임상데이터 합성 방법

한석민 , 이동열 한국정보과학회 학술발표논문집 2018 .06

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-567-003351176

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (12)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)